基于灰关联的道岔信号控制系统故障诊断方法及其实现研究

发布时间：2017-07-07 21:22

  本文关键词：基于灰关联的道岔信号控制系统故障诊断方法及其实现研究

  更多相关文章： 灰色关联分析 故障诊断 特征选择 嵌入式 界面系统

【摘要】：随着铁路的不断发展,列车行车速度与行车密度的不断提高,对铁路信号设备的安全性与可靠性的要求也随之提高。作为保障铁路行车安全、实现信号联锁关系的基础设备,道岔对铁路信号车站联锁系统的安全性和可靠性尤为重要。另外,由于道岔较低的安全性以及构造的复杂性等特点,也使其成为轨道线路的三大薄弱环节之一。因此针对道岔设备故障诊断的研究显得尤为重要,并且根据道岔的作用及特点,其诊断过程的及时性和有效性也将是研究的重要部分。目前,国内主要使用微机监测系统实现对道岔进行监测,其方法主要是实时监测道岔的动作电流、功率时间特性曲线或室内道岔表示继电器的开关量等参数,进一步观察与分析所得到的监测数据得到道岔状态信息。此方法的故障识别对相关人员的工作经验有很大的依赖性,也在一定程度上影响道岔故障诊断的及时性、有效性和准确性。针对上述道岔转辙机故障诊断中存在的问题,本文提出了一种基于灰关联的道岔信号控制系统的故障诊断方法,并基于嵌入式开发平台进行设计与开发。本文提出了一种基于灰关联的道岔信号控制系统故障诊断模型,并逐步阐述该模型的建立及优化,使其诊断达到较为高效、准确的诊断效果。其主要研究如下:(1)在本文中首先对道岔转辙机的功率曲线进行分析,根据道岔转辙机动作特性,将其功率曲线分为五个区段。在建立故障诊断模型时以此为样本数据阐述故障诊断模型建立的步骤以及特征参数的选择、变换因子的选择以及故障诊断关联度模型的选择。(2)本文提出八种常见故障模式,与道岔转辙机正常工作模式共同组成故障诊断模式集,并针对每种模式提供多个样本数据构成故障模式样本集。针对该九种道岔转辙机模式,文中提出了多种时域信号特征参数以提供功率曲线最优特征选择。在对各时段功率数据特征值计算后,进行归一化处理,以归一化处理后的数据为基础,分别计算九种模式的各个时间区段的特征均值,并进一步计算所有样本各个区段的每个特征参数计算结果的特征均值。在完成以上工作后,利用Fisher准则,计算全部样本的类间方差与类内方差之比,选择各区段比值最大值对应的特征参数作为优选特征,同时选择构建优选特征集。(3)针对上述提供的优选特征集进行不同数据变换,并以不同的数据变换结果进行各个故障模式与正常工作模式之间的邓氏关联度计算,比较关联度大小确定变换因子,并确定故障特征序列。以上述确定的变换因子为基础,进行各故障模式之间针对不同关联度模型的计算,最终选择关联度值较小的计算结果对应的关联度模型作为故障诊断系统的关联度模型。基于上述研究方法所提出的道岔故障诊断模型,为完善故障诊断系统,本文以Ubuntu为操作系统,以Qt为设计语言,以故障诊断功能为核心,又设计了转辙机工作状态查询功能、转辙机动作操控功能、转辙机动作数据曲线显示功能以及转辙机动作数据存储和查询功能等。在构建完成故障诊断系统的同时,对关联度系数进行了实际测试选择,选择最优关联度系数以优化系统诊断的准确度。同时对所设计的系统进行了模拟测试与实际测试,经验证其可靠性良好,能够满足故障诊断可靠性需求。
【关键词】：灰色关联分析 故障诊断 特征选择 嵌入式 界面系统
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U284.92;TP277
【目录】：

• 摘要4-6
• Abstract6-10
• 1 绪论10-15
• 1.1 论文的背景和研究意义10
• 1.2 智能故障诊断技术简介及发展现状10-12
• 1.2.1 智能故障诊断技术简介10-11
• 1.2.2 智能故障诊断模型的现状11-12
• 1.3 特征选择算法发展现状12
• 1.4 灰色关联系统理论简介12-13
• 1.5 论文主要研究的内容13-15
• 2 功率数据的采集15-19
• 2.1 直/交转辙机动作数据分析16
• 2.1.1 直流转辙机动作数据16
• 2.1.2 交流转辙机动作数据16
• 2.2 转辙机功率数据的计算16-18
• 2.2.1 电压和电流数据采集16-17
• 2.2.2 功率数据计算17
• 2.2.3 功率计算公式17-18
• 2.3 本章小结18-19
• 3 灰色关联分析理论19-37
• 3.1 灰关联分析基础理论19-26
• 3.1.1 参考序列和比较序列20
• 3.1.2 灰关联分析的数据变换20-22
• 3.1.3 灰色关联度模型介绍22-26
• 3.2 特征序列模型与关联度模型构建26-36
• 3.2.1 功率数据序列预处理27
• 3.2.2 序列各时段的特征提取27-29
• 3.2.3 数据特征选择29-33
• 3.2.4 关联度模型选择33-36
• 3.3 本章小结36-37
• 4 故障诊断系统设计及实现37-53
• 4.1 故障诊断系统开发平台介绍39-40
• 4.2 故障诊断系统的组成40-49
• 4.2.1 系统通信的实现40-41
• 4.2.2 故障诊断模型构建41-43
• 4.2.3 主页界面的设计与实现43-45
• 4.2.4 曲线界面的设计与实现45-47
• 4.2.5 报表界面的设计与实现47-49
• 4.3 代码移植49-50
• 4.4 分辨率系数的选择50-51
• 4.5 系统功能测试51-52
• 4.6 本章小结52-53
• 5 总结与展望53-55
• 5.1 全文总结53-54
• 5.1.1 基于灰关联的故障诊断模型的建立53-54
• 5.1.2 道岔转辙机嵌入式界面系统的设计54
• 5.2 理论与实际应用中的需改进之处54-55
• 致谢55-56
• 参考文献56-58
• 攻读学位期间的研究成果58

【参考文献】

中国期刊全文数据库 前10条

1 张凯;杜凯;巨永锋;;基于BP神经网络的提速道岔故障诊断算法[J];武汉理工大学学报;2014年11期

2 赵林海;陆桥;;基于灰关联的道岔故障诊断方法[J];铁道学报;2014年02期

3 顾健;;几种常见道岔故障动作电流曲线分析及处理方法[J];铁道运营技术;2014年01期

4 李敏;卡米力·木依丁;;特征选择方法与算法的研究[J];计算机技术与发展;2013年12期

5 刘思峰;蔡华;杨英杰;曹颖;;灰色关联分析模型研究进展[J];系统工程理论与实践;2013年08期

6 严贤;韩秀玲;;基于Qt的串口通信应用研究与实现[J];微计算机信息;2012年08期

7 吴建军;;基于微机监测曲线判断道岔故障的实践[J];大众科技;2012年04期

8 姚旭;王晓丹;张玉玺;权文;;特征选择方法综述[J];控制与决策;2012年02期

9 王剑;;铁路电子信号设备的安全性与可靠性分析[J];硅谷;2010年22期

10 朱颢东;李红婵;钟勇;;新颖的无监督特征选择方法[J];电子科技大学学报;2010年03期

中国硕士学位论文全文数据库 前5条

1 陆桥;基于灰关联的道岔故障诊断方法研究[D];北京交通大学;2015年

2 李景囡;基于依赖分析的贝叶斯网络结构学习算法研究[D];西安电子科技大学;2014年

3 王俊;基于原型方法的特征选择算法的研究[D];哈尔滨工业大学;2009年

4 薛文格;基于灰色关联分析的图像边缘检测研究[D];云南师范大学;2008年

5 万畅;齿轮箱轴承故障诊断的时频分析方法初步探讨[D];兰州理工大学;2007年

，

本文编号：531898